核心摘要
Cursor 近日推出了一项名为 Router 的新功能，面向 Teams 和 Enterprise 用户自动选择编程模型。该功能会根据任务类型和难度，决定调用便宜模型还是前沿模型，旨在优化成本与性能的平衡。
正文解读
Router 使用了超过 60 万次真实请求进行训练，并在数百万次请求中完成测试。据官方数据，Auto Intelligence 模式的用户满意度接近 Cursor 此前使用的 Fable 模型，但成本降低了约 60%。Auto Balance 模式的满意度则高于 Opus 4.8，成本低约 36%。这意味着高频使用团队可以在不明显牺牲体验的前提下显著降低 API 开销。
Cursor 并未公布 Router 的完整模型池，也不会默认显示每次调用具体使用了哪个模型。官方仅确认，Router 会按任务类型分配模型，例如将界面设计任务交给更擅长视觉的模型，把复杂长任务交给推理能力更强的模型。这种“黑盒”策略在提升效率的同时，也引发了部分开发者对透明度的关注。
从行业角度来看，AI 编程工具正从“单一模型通吃”向“模型路由”演化。通过智能调度，工具厂商可以在不提高定价的情况下支撑更复杂的用例。Cursor 此举也可能推动竞品跟进类似的成本优化策略。
不过，Router 的效果高度依赖任务分类的准确性和模型池的覆盖范围。如果任务分类出现偏差，可能导致复杂任务被分配给能力不足的模型，影响用户体验。团队在升级前应评估自身工作流的典型任务类型，以判断该功能是否真正适用。
原创文章，作者：admin，如若转载，请注明出处：https://www.23btc.com/203844/
